人工智能岩相预测在碳酸盐岩岩石物理建模中的应用

碳酸盐岩的形成受沉积作用、成岩作用及沉积环境等多种因素的影响，岩石孔隙结构与岩相具有一定的相关性。碳酸盐岩的矿物成分复杂，储层孔隙类型多样，同一矿物、相同岩性但岩相不同的碳酸盐岩之间岩石物理性质差异很大。碳酸盐岩的基质模量及干骨架模量多解性强，受岩石孔隙结构的影响较大，因此很难准确求取岩石物理模型。为此，提出人工智能岩相预测方法，以岩心分析数据和测井数据为输入，应用深度学习方法进行全井段岩相预测，预测结果分辨率高、连续性好，可靠性强、人工干预少，与定量的孔隙结构分析相结合，能有效提高岩石物理建模的准确性。所提方法在M区块白垩系M组碳酸盐岩地层的实际应用中取得了较好效果，证明了方法的有效性。